待解决的问题

标签：

1、SMO算法需要存储核矩阵吗？其他算法了？

2、SVM处理海量数据的困难在哪？

3、SVM对偶问题得到的凸二次规划问题求解可以使用梯度下降、拟牛顿法等方法吗？

　　参考博客的说法：不论是向量维度大或者是样本量很大的时候，求解这个优化问题难度都不小，于是在解得稀疏性(比如只需要得到支持向量)、目标函数的凸性等方面动脑筋，得到一些较有效率的方法，比如SMO(Sequential Minimal Opimisation)、梯度下降法、Trust Region Newton Method、Coordinate Desent Method 等等

4、

待解决的问题

标签：

原文地址：http://www.cnblogs.com/xiangzhi/p/4782153.html